모두가 리스크 관리에 AI를 원하지만 몇몇만이 준비가 되어 있다

모두가 AI를 배치하기 위해 경쟁하고 있습니다. 그러나 제3자 리스크 관리(TPRM)에서이 경주는 모든 것의 가장 큰 리스크가 될 수 있습니다.

AI는 구조에 의존합니다. 깨끗한 데이터, 표준화된 프로세스 및 일관된 결과입니다. 그러나 대부분의 TPRM 프로그램은 이러한 기초를 갖추지 못했습니다. 일부 조직에는 전용 리스크 리더, 정의된 프로그램 및 디지털화된 데이터가 있습니다. 다른 조직은 스프레드시트와 공유 드라이브를 통해 리스크를 임의로 관리합니다. 일부 조직은 엄격한 규제 검토하에 운영되며 다른 조직은 더 큰 리스크를 감수할 수 있습니다. 두 프로그램은 같지 않으며 15년간의 노력에도 불구하고 성숙도가 여전히 크게 다릅니다.

이러한 가변성은 TPRM에서 AI採用이 속도 또는 통일성을 통해 발생하지 않음을 의미합니다. 그것은 규율을 통해 발생하며, 이러한 규율은 프로그램의 현재 상태, 목표 및 리스크 감수성에 대한 현실적인 이해에서 시작됩니다.

AI에 준비가 된 프로그램인지 확인하는 방법

모든 조직이 AI에 준비가 된 것은 아닙니다. 그리고 그것은 괜찮습니다. 최근 MIT 연구에 따르면 95%의 GenAI 프로젝트가 실패했습니다. 또한 Gartner에 따르면 79%의 기술 구매자가 최신 구매를 후회한다고 말합니다. 프로젝트가 제대로 계획되지 않았기 때문입니다.

TPRM에서 AI 준비는 단순히 스위치를 켜는 것이 아닙니다. 그것은 진행 중인 것입니다. 또한 프로그램이 구조화되고 연결되고 관리되는 정도를 반영합니다. 대부분의 조직은 임의적인 것에서 민첩한 것으로 범위하는 성숙도 곡선의 어디쯤에 위치하고 있습니다. 그리고 거기에 있는 위치를 아는 것이 효과적으로 그리고 책임감 있게 AI를 사용하는 첫 번째 단계입니다.

초기 단계에서 리스크 프로그램은 주로 수동으로 작동하며 스프레드시트, 기관 메모리 및 단편적인 소유권에 의존합니다. 공식적인 방법론이나 일관된 감시도 없습니다. 벤더 정보는 이메일 스레드나 몇몇 주요 사람들의 머릿속에 있을 수 있으며, 프로세스가 작동할 때까지 작동합니다. 이 환경에서 AI는 노이즈와 통찰력을 구분하도록 어려움을 겪을 것입니다. 기술은 불일치를 제거하는 대신 강화할 것입니다.

프로그램이 성숙함에 따라 구조가 형성됩니다. 워크플ロー는 표준화되고 데이터는 디지털화되고 책임은 부서 전체에 걸쳐 확대됩니다. 여기서 AI가 실제 가치를 추가하기 시작합니다. 그러나 잘 정의된 프로그램은 종종 여전히 시洛化되어 있으며, 가시성을 제한하고 통찰력을 제한합니다.

진짜 준비는 이러한 시로가 붕괴하고 거버넌스가 공유될 때 나타납니다. 통합되고 민첩한 프로그램은 데이터, 자동화 및 책임을 엔터프라이즈 전체에 걸쳐 연결하여 AI가 발판을 마련할 수 있도록 합니다. 분리된 정보를 지능으로 전환하고 더 빠르고 투명한 의사결정을 지원합니다.

どこ에 있는지, 어디로 가고 싶은지 이해함으로써 AI를 약속에서 진정한 승리자로 바꾸는 기초를 구축할 수 있습니다.

프로그램 성숙도에도 불구하고 하나의 크기가 모두에게 맞지 않는 이유

두 회사가 모두 민첩한 리스크 프로그램을 가지고 있다고 해도, 그들은 AI 구현에 대해 동일한 경로를 따르지 않을 것입니다. 또한 동일한 결과를 볼 수 없습니다. 모든 회사는 다른 제3자 네트워크를 관리하며, 고유한 규제하에 운영되며, 다른 수준의 리스크를 감수합니다.

예를 들어, 은행은 제3자 아웃소싱 업체가 제공하는 서비스 내에서 데이터 개인 정보 및 보호와 관련하여 엄격한 규제 요구 사항을 직면합니다. 오류, 중단 또는 보안 위반에 대한 리스크 감수는 거의 없습니다. 반면에, 소비재 제조업체는 유연성 또는 속도와 교환하여 운영 리스크를 더 많이 감수할 수 있지만, 중요한 배달 시간에 영향을 미치는 중단을 감당할 수 없습니다.

각 조직의 리스크 감수성은 불확실성을 얼마나 받아들이는지에 따라 달라집니다. 목표를 달성하기 위해, TPRM에서이 라인은 끊임없이 이동합니다. 이것이 제네릭 AI 모델이 잘 작동하지 않는 이유입니다. 가변성이 있는 공간에서 제네릭 모델을 적용하면 명확성 대신 블라인드 스폿을 생성합니다. 목적을 위한, 구성 가능한 솔루션의 필요성을 만듭니다.

AI에 대한 더 현명한 접근법은 모듈식입니다. 데이터가 강하고 목표가 명확한 곳에서 AI를 배치한 다음 확장합니다. 일반적인 사용 사례에는 다음이 포함됩니다.

• 공급자 연구: 수천 개의 잠재적인 벤더를 거쳐서 가장 낮은 리스크, 가장 능력 있는 또는 가장 지속 가능한 파트너를 식별하여 향후 프로젝트를 진행합니다.
• 평가: 공급자 문서, 인증 및 감사 증거를 평가하기 위해 AI를 적용합니다. 모델은 리스크를 나타낼 수 있는 불일치 또는 이상을 플래그할 수 있습니다. 분석가는 무엇이 가장 중요한지에 집중할 수 있습니다.
• 회복력 계획: 중단의 파급 효과를 시뮬레이션하기 위해 AI를 사용합니다. 특정 지역의 제재 또는 재료에 대한 규제 금지는 공급 기반에 미치는 영향은 무엇일까요? AI는 복잡한 거래, 지리 및 의존성 데이터를 처리하여 결과를 모델링하고 대비 계획을 강화할 수 있습니다.

이러한 사용 사례는 의도적으로 배치되고 거버넌스를 통해 가치가 있습니다. TPRM 및 공급망 관리에서 AI로 실제 성공을 거두는 조직은 가장 많이 자동화하는 조직이 아닙니다. 작게 시작하고, 자주 실험하며, 빈번하게 적응하는 조직입니다.

TPRM에서 책임감 있는 AI 구축

조직이 TPRM에서 AI를 실험하기 시작할 때, 가장 효과적인 프로그램은 혁신과 책임감 사이에서 균형을 유지합니다. AI는 감시를 대체하는 것이 아니라 강화해야 합니다.

제3자 리스크 관리에서 성공은 벤더를 평가하는 속도만큼 측정되는 것이 아닙니다. 정확하게 리스크를 식별하고, 수정 조치가 구현되는지 여부에 따라 측정됩니다. 공급자가 실패하거나 규정 준수 문제가 헤드라인을 장식할 때, 누구도 프로세스가 효율적인지 묻지 않습니다. 그것은 어떻게 관리되었는지 묻습니다.

그 질문, “어떻게 관리되나요?”는 빠르게 글로벌화되고 있습니다. AI採用이 가속화됨에 따라 전 세계 규제 당국은 책임감 있는 의미를 매우 다른 방식으로 정의하고 있습니다. EU AI법은 투명성과 책임성을 요구하는 리스크 기반 프레임워크로 조화를 이루었습니다. 반면에 미국은 더 분산된 접근 방식을 따르며, NIST AI 리스크 관리 프레임워크와 같은 자발적인 표준과 함께 혁신을 강조하고 있습니다. 일본, 중국, 브라질을 포함한 다른 지역은 인권, 감시 및 국가 우선순위를 결합하여 AI 거버넌스의独特한 모델을 개발하고 있습니다.

글로벌 기업을 위한 이러한 발전하는 접근법은 새로운 복잡성의 계층을 도입합니다. 유럽에서 운영되는 벤더는 엄격한 보고 의무를 직면할 수 있지만 미국의 벤더는 더 느슨하지만 여전히 발전하고 있는 기대치를 가질 수 있습니다. 각 “책임감 있는 AI”정의는 리스크를 평가, 모니터링 및 설명해야 하는 방식에 대한 세부 사항을 추가합니다.

리스크 리더는 규제가 변경됨에 따라 유연성과 투명성을 유지하면서 통제를 유지할 수 있는 적응형 거버넌스 구조가 필요합니다. 가장 발전된 프로그램은 TPRM 작업에 거버넌스를 직접 내장하여 AI 주도적인 모든 결정이 설명 가능하고 추적 가능하며 방어 가능하도록 합니다. 관할권에 관계없이 말입니다.

시작하는 방법

책임감 있는 AI를 현실로 만드는 것은 정책 성명서 이상의 것을 필요로 합니다. 그것은 올바른 기초를 두는 것을 의미합니다. 깨끗한 데이터, 명확한 책임성 및 지속적인 감시입니다. 그것은 다음과 같습니다.

• 초기부터 표준화합니다. 자동화 이전에 일관된 데이터 및 프로세스를 설정합니다. AI를 리스크 프로그램에 단계적으로 통합하여 각 단계를 테스트, 검증 및 정제합니다. 데이터 무결성, 개인 정보 보호 및 투명성을 초기부터 협상 불가능한 것으로 만듭니다. 이유를 설명할 수 없거나 검증되지 않은 입력에 의존하는 AI는 리스크를 줄이는 대신 리스크를 도입합니다.
• 작게 시작하고 자주 실험합니다. 성공은 속도와 관련이 없습니다. 특정 문제에 AI를 적용하는 제어된 파일럿을 시작합니다. 모델의 성능, 결정 및 책임에 대한 문서화를 진행합니다. 데이터 품질, 개인 정보 보호 및 규제 장벽과 같은 비즈니스 가치를 제공하지 못하는 대부분의 생성 AI 프로젝트에 대한 중요한 도전을 식별하고 완화합니다.
• 항상 거버넌스를 유지합니다. AI는 더 많은 혼란을 일으키는 것이 아니라 혼란을 예측하도록 도와야 합니다. AI를 다른 유형의 리스크와 같이 취급합니다. AI의 사용을 평가하기 위한 명확한 정책 및 내부 전문 지식을 설정합니다. 규제가 전 세계적으로 발전함에 따라 투명성이 항상 유지되어야 합니다. 리스크 리더는 AI 주도적인 모든 통찰력을 데이터 소스 및 논리로 추적할 수 있어야 하며, 규제 당국, 이사회 및 대중의 검토에서 의사 결정이 견딜 수 있도록 해야 합니다.

TPRM에 대한 AI에 대한 보편적인 청사진은 없습니다. 모든 회사의 성숙도, 규제 환경 및 리스크 감수성은 AI가 구현되고 가치를 제공하는 방식을 형성할 것입니다. 그러나 모든 프로그램은 의도적으로 구축되어야 합니다. 준비가 된 것을 자동화하고, 자동화된 것을 거버넌스하고, 기술과 그周りの 규칙이 발전함에 따라 지속적으로 적응합니다.